Using High-Level Patterns to Estimate How Humans Predict a Robot will Behave

要約

ロボットに接する人間は、ロボットが次に何をするか予測することが多い。例えば、自律走行車の最近の挙動に基づいて、近くにいる人間のドライバーが、自律走行車は同じ車線を走行し続けるだろうと予測するかもしれない。ロボットが人間の予測を理解することは、安全でシームレスな相互作用のために重要である。例えば、もし自律走行車が、人間は合流しないと考えているが自律走行車は実際に合流するつもりだと知っていれば、自律走行車は事故を防ぐために行動を調整することができる。先行研究は通常、人間がロボットの行動を正確に予測することを前提としている。しかし、人間-人間の予測に関する最近の研究は、その逆を示唆している：人間は、高レベルの行動を予測することによって、他のエージェントを近似する傾向がある。我々はこの発見を応用し、人間がロボットの行動をどのように予測するかをロボットが推定できるようにする2次心の理論アプローチを開発する。これらのハイレベルな予測をデータから直接抽出するために、我々は最近の人間とロボットの軌跡を離散的な潜在空間に埋め込む。この潜在空間の各要素は、異なるタイプの行動（例えば、人間の前に合流する、同じ車線に留まる）を捉え、基礎となる行動タイプと一致する状態空間を横切るベクトル場にデコードする。我々は、ロボットの行動に関する高レベルおよびコースの予測が、実際の人間の予測に対応すると仮定する。我々は、概念実証シミュレーション、実際のユーザーの予測に対する我々の手法のテスト、および実世界の対話型運転データセットに対する実験を通して、この仮説を支持する最初の証拠を提供する。

要約(オリジナル)

Humans interacting with robots often form predictions of what the robot will do next. For instance, based on the recent behavior of an autonomous car, a nearby human driver might predict that the car is going to remain in the same lane. It is important for the robot to understand the human’s prediction for safe and seamless interaction: e.g., if the autonomous car knows the human thinks it is not merging — but the autonomous car actually intends to merge — then the car can adjust its behavior to prevent an accident. Prior works typically assume that humans make precise predictions of robot behavior. However, recent research on human-human prediction suggests the opposite: humans tend to approximate other agents by predicting their high-level behaviors. We apply this finding to develop a second-order theory of mind approach that enables robots to estimate how humans predict they will behave. To extract these high-level predictions directly from data, we embed the recent human and robot trajectories into a discrete latent space. Each element of this latent space captures a different type of behavior (e.g., merging in front of the human, remaining in the same lane) and decodes into a vector field across the state space that is consistent with the underlying behavior type. We hypothesize that our resulting high-level and course predictions of robot behavior will correspond to actual human predictions. We provide initial evidence in support of this hypothesis through proof-of-concept simulations, testing our method’s predictions against those of real users, and experiments on a real-world interactive driving dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL